随着化石燃料的大量消耗带来了严重的环境挑战和能源短缺,开发可再生、可持续能源已成为全球共识。为了解决这一世界性问题,多国正在积极建设智能微电网,以促进可再生能源发电的消纳。在应对可再生能源随机性、波动性在新能源消纳中存在诸多的问题,微电网需求响应的研究是微电网优化调度中促进可再生能源最大程度消纳的关键和有效措施。文章对于需求侧能量管理研究引入了深度强化学习,提出了计及需求响应的智能微电网多目标能量管理,主要内容如下:首先,本文深入探讨了微电网能量管理框架内容,对能量优化管理内容做了具体的陈述。同时,研究微电网综合能源需求侧的建模关键要点,为后续综合能源微电网建模和能量优化管理研究奠定基础。其次,对于典型的冷-热-电能量管理系统,从家庭大能耗暖通空调（Heating Ventilation and Air Conditioning,HVAC）着手,将深度强化学习算法引入到综合能源系统优化调度中。针对传统的冷-热-电系统建模复杂、优化效率低下和缺少自我的学习优化能力的问题,提出了一种基于无模型的深度强化学习HVAC冷-热-电需求优化策略。同时,在温度、能耗及人体舒适度多目标约束问题中,将其转化马尔科夫决策来加速优化过程。在算例结果分析中,表明了深度强化学习在典型的冷-热-电多能流HVAC系统中表现出较好的能量管理机制。再次,考虑到传统的微电网需求侧形式单一且无法满足复杂需求侧与微电网之间能源灵活调度的问题,提出了含有风力发电、恒温控制群（Thermostatically Controlled Loads,TCLs）、储能系统（Energy Storage Systems,ESSs）、价格响应负荷的并网微电网模拟环境,采用深度强化学习进行微电网多目标能量管理调研究。同时,在异步优势动作评价算法加入了经验回放池（Memory-Asynchronous Advantage Actor-Critic,M-A3C）。算法的创新在模型训练时解决数据间相关性和非静态分布等问题。M-A3C多线程工作特性不仅高效率学习微电网需求侧能量的优先级分配机制,而且提高了微电网需求侧的灵活调度能力,大大降低了运行成本。最后,通过模拟算力分析验证了优化调度机智的有效性和可行性。